-
-
公开(公告)号：CN111652263B
公开(公告)日：2021-12-28
申请号：CN202010233906.3
申请日：2020-03-30
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多滤波器信息融合的自适应目标跟踪方法，包括以下步骤：步骤一构造多卡尔曼滤波器数据融合跟踪模型；步骤二判断自适应卡尔曼滤波器是否需要更新参数；步骤三计算多个定参数卡尔曼滤波器的不确定信息；步骤四将多个定参数卡尔曼滤波器的不确定信息转化为证据；步骤五将融合后的证据转化为概率；步骤六更新自适应卡尔曼滤波器的参数。本发明在多个卡尔曼滤波器的基础上添加了一个参数自适应调节的卡尔曼滤波器，因而具有更好的抗干扰性；并用证据理论融合新息信息的不确定信息生成概率值；以多个卡尔曼滤波器的参数作为参考值，结合概率值对自适应卡尔曼滤波器的参数进行更新，提升了目标跟踪在干扰环境下目标跟踪的准确性。
-
-
公开(公告)号：CN113177615B
公开(公告)日：2024-01-19
申请号：CN202110605856.1
申请日：2021-06-01
Applicant: 西北工业大学
IPC: G06F18/2411 , G06F18/214 , G06N3/006
Abstract: 本发明公开了一种基于证据森林的信息不确定条件目标意图识别方法，包括以下步骤：步骤一、数据预处理；步骤二、构建信度决策树；步骤三、构建基于信度决策树的证据森林；步骤四、使用构建的证据森林进行意图识别。本方法提出了一种基于证据相似度的不确定性信息熵的计算方法，同时充分考虑了证据森林中每棵信度决策树的权重的影响，提出了一种基于可能性理论的权重计算方法，并通过加权平均组合每个信念决策树的结果，最后通过证据自组合得出最终结果。本发明在保证意图识别准确率的前提下，能够很好地解决具有不确定性信息的目标意图识别问题。
-
公开(公告)号：CN115688926B
公开(公告)日：2025-04-18
申请号：CN202211338825.5
申请日：2022-10-28
Applicant: 西北工业大学
IPC: G06N7/01 , G06N3/048 , G06N3/0455 , G06F18/23213 , G06F18/213
Abstract: 本发明涉及一种融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，通过结合贝叶斯网络少量样本数据下的建模优势和深度学习出色的高维数据处理能力来构建飞机作战系统代理模型，为Sobol指数法进行敏感性分析创造完备的条件，提高飞机作战效能敏感性分析的精度。通过基于互信息层次聚类方法对用于飞机作战效能敏感性分析的高维数据进行初步处理，然后应用自编码器对初步处理后的数据进行特征提取，实现降维，接着通过贝叶斯网络建立模型，至此飞机作战系统代理模型通过深度学习和贝叶斯网络模型的融合成功建立，通过代理模型实现对飞机作战效能的高精度敏感性分析。有效地解决了飞机作战效能敏感性分析问题中样本量较少的代理模型难以建立的问题。
-
Patent Agency Ranking
公开(公告)号：CN119051584A
公开(公告)日：2024-11-29
申请号：CN202411461310.3
申请日：2024-10-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种玻璃组件及建筑外墙，涉及光伏设备技术领域，包括框架，框架为六边形，其一侧设有前玻璃，另一侧设有后玻璃，中部为空腔；多组聚光器模块，设置在空腔内部，均匀排列在框架的三条对角线上，聚光器模块用于采集太阳光；多组光伏电池，设置在后玻璃上，光伏电池用于接收聚光器模块采集到的太阳光并进行电能转换。本发明采用模块化设计理念设计多组聚光器模块和多组光伏电池，并将其相互对应的均匀排列在六边形框架的三条对角线上，便于接收各种角度下的太阳光，减少因阳光角度变化而降低发电效率。同时该排列方式使得玻璃组件的采光率大大提升。本发明在应用于大型建筑物的玻璃幕墙时，可以很好的满足采光需求与美观需求。
-
公开(公告)号：CN115688926A
公开(公告)日：2023-02-03
申请号：CN202211338825.5
申请日：2022-10-28
Applicant: 西北工业大学
IPC: G06N7/01 , G06N3/048 , G06N3/0455 , G06F18/23213 , G06F18/213
Abstract: 本发明涉及一种融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，通过结合贝叶斯网络少量样本数据下的建模优势和深度学习出色的高维数据处理能力来构建飞机作战系统代理模型，为Sobol指数法进行敏感性分析创造完备的条件，提高飞机作战效能敏感性分析的精度。通过基于互信息层次聚类方法对用于飞机作战效能敏感性分析的高维数据进行初步处理，然后应用自编码器对初步处理后的数据进行特征提取，实现降维，接着通过贝叶斯网络建立模型，至此飞机作战系统代理模型通过深度学习和贝叶斯网络模型的融合成功建立，通过代理模型实现对飞机作战效能的高精度敏感性分析。有效地解决了飞机作战效能敏感性分析问题中样本量较少的代理模型难以建立的问题。
-
公开(公告)号：CN114880767A
公开(公告)日：2022-08-09
申请号：CN202210434877.6
申请日：2022-04-24
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于注意力机制Dense‑GRU网络的航空发动机剩余使用寿命预测方法，包括以下步骤：步骤一、数据预处理；步骤二、构建注意力机制层；步骤三、构建整体模型并训练；步骤四、使用模型进行剩余使用寿命预测；本方法提出了一种基于注意力机制Dense‑GRU网络，提出的模型在处理发动机的多维传感器数据中加入注意力机制，使得网络模型更加注意对预测更有效的传感器。网络主体部分为Dense‑GRU网络，加强了多维时间序列特征的传播和重用，同时有效避免了时间序列深层网络的梯度消失问题，有效提升了剩余使用寿命预测的准确性。
-
公开(公告)号：CN114741948A
公开(公告)日：2022-07-12
申请号：CN202210223893.0
申请日：2022-03-09
Applicant: 西北工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种基于序列重构的残差堆叠卷积网络的航空发动机退化趋势预测方法，包括以下步骤：步骤一、数据预处理；步骤二、构建基本单元块；步骤三、构建整体模型并训练；步骤四、使用模型进行航空发动机退化趋势预测；本方法提出了一种序列重构的基本单元块，该基本单元块输出包括对输入序列的重新预测值和对未来序列的预测值。同时，基于该基本单元块，提出了一种基于残差堆叠卷积网络的航空发动机退化趋势预测方法，提出的模型充分挖掘和利用历史序列信息，有效避免网络模型梯度消失的问题，提升了航空发动机退化趋势预测的准确性。
-
公开(公告)号：CN114707098A
公开(公告)日：2022-07-05
申请号：CN202210075541.5
申请日：2022-01-22
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多源传感器状态距离的航空发动机性能退化状态评价方法，包括以下步骤：步骤一、数据预处理；步骤二、计算传感器的权重；步骤三、计算多源传感器状态距离表征退化状态；步骤四、计算退化过程的近似数学模型；本方法提出了一种基于多评价指标的传感器特征加权的方法，充分利用了多源传感器退化数据，同时提出了一种基于多源传感器状态距离的航空发动机性能退化状态评价方法，充分考虑了传感器之间的关联性以及初始运行条件不同等问题，因此可以更加准确描述航空发动机退化过程。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.028 seconds)
